Arnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak

Ukuran: px
Mulai penontonan dengan halaman:

Download "Arnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak"

Transkripsi

1 Perbandingan Algoritma Mean Filter, Median Filter dan Wiener Filter pada Aplikasi Restorasi Citra RGB Terdegradasi Impulse Noise Menggunakan The Peak Signal To Noise Ratio (PSNR) Arnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak Kondisi lingkungan dan keterbatasan peralatan pada proses pengambilan citra sering menghasilkan citra yang tidak mampu merepresentasikan keadaan sebenarnya atau cacat (terdegradasi). Proses pengiriman citra juga dapat menimbulkan kecacatan sebuah citra. Restorasi citra bertujuan untuk mendapatkan citra yang paling mendekati citra asal atau keadaan idealnya. Pada penelitian ini dibandingkan tiga algoritma penapisan (filtering) citra yang dapat digunakan untuk merestorasi citra. Perbandingan dilakukan menggunakan PSNR agar lebih akurat daripada pengamatan visual. Dari penelitian didapatkan bahwa median filter lebih baik daripada mean filter dan wiener filter untuk merestorasi citra yang terdegradasi oleh impulse (salt and pepper) noise dengan kapadatan derau (noise density) dan distribusi warna yang bervariasi. Kata kunci: Restorasi citra, median Filter, mean filter, wiener filter, PSNR, Matlab 1. Pendahuluan Sebuah gambar terdiri dari satu atau beberapa kanal warna (colour channel) yang menunjukkan intensitas atau warna pada sebuah lokasi piksel tertentu. Dalam kasus yang paling sederhana, setiap lokasi piksel hanya terdiri dari nilai numerik tunggal yang merepresentasikan level sinyal pada titik tertentu dari gambar. Konversi dari himpunan nilai numerik ini menjadi gambar yang ditampilkan diperoleh dari sebuah peta warna (colour map). Peta warna yang paling umum adalah skala abu-abu (greyscale) yang mengubah seluruh tingkatan warna keabuan dari hitam (nol) ke putih (maksimum) bergantung pada level sinyal pada tiap piksel. Di samping greyscale, warna sesungguhnya (true colour) yang merepresentasikan seluruh spektrum warna terdiri dari dari vektor rangkap tiga (triplet vector). Vektor ini memiliki komponen R (red),g (green), dan B (blue) untuk setiap lokasi piksel. Warna diwakili oleh kombinasi linier dari nilai warna dasar RGB tersebut. Representasi lain yang juga cukup luas pengunaannya adalah H (hue), S (saturation), dan V (value atau intensity) [1]. Sebuah gambar yang diperoleh dari proses pengambilan gambar bertujuan untuk mendapatkan representasi 2 dimensi dari keadaan (tempat) 3 dimensi. Namun, banyak gambar yang merepresentasikan keadaan tidak dalam hasil yang memuaskan dan cacat (terdegradasi). Hal ini dapat disebabkan oleh banyak faktor seperti peralatan pengambilan gambar tidak sempurna dan kondisi lingkungan pengambilan gambar sering tidak ideal. Restorasi gambar berkaitan dengan representasi keadaan yang tidak memuaskan tersebut. Tujuan dari restorasi adalah untuk memanipulasi gambar yang cacat dengan cara tertentu sehingga gambar tersebut merepresentasikan keadaan dengan lebih baik [2]. Restorasi citra berbeda dengan peningkatan kualitas citra (image enhacement) karena penajaman citra usaha untuk menajamkan fitur tertentu yang diperlukan dari citra sedangkan restorasi citra adalah usaha untuk mendapatkan representasi yang lebih baik dari keadaan yang ada dengan memanfaatkan atau memperkirakan proses terjadinya degradasinya [1]. Derau (noise) adalah adalah salah satu faktor yang dapat mengakibatkan sebuah citra mengalami degradasi (kecacatan). Noise dapat timbul dari banyak faktor di antaranya kinerja sensor pengambil citra yang terpengaruh oleh kondisi lingkungan selama pengambilan citra, kualitas elemen sensor, pencahayaan yang kurang dan citra yang terdegradasi karena inferensi gelombang elektromagnetik selama proses pengiriman citra [3]

2 2. Model Degradasi Citra Dan Proses Restorasi Pada gambar 1, proses degradasi citra dimodelkan sebagai sebuah fungsi degradasi (H) yang bergabung dengan derau (noise) akan mengakibatkan citra masukan f(x,y) terdegradasi menjadi citra keluaran g(x,y). g(x,y)=h[f(x,y)] + η(x,y) (1) Gambar 1. Model Degradasi dan Restorasi Citra [3] Tujuan dari proses restorasi citra adalah mendapatkan citra f (x,y) yang semirip mungkin dengan citra masukan yang asli berdasarkan pengetahuan dari noise η(x,y). Umumnya, semakin banyak pengetahuan tentang fungsi degradasi dan noise yang didapat akan menghasilkan f (x,y) yang semakin mirip dengan f(x,y). Bila H linier maka citra yang terdegradasi dinyatakan dalam domain spasial, yaitu: g(x,y)=h(x,y)*f(x,y)] + η(x,y) (2) dimana h(x,y) adalah representasi spasial dari fungsi degradasi dan simbol * adalah konvolusi. Kovolusi dalam domain spasial dan perkalian dalam domain frekuensi menghasilkan pasangan transformasi Fourier sehingga persamaan (2) dapat ditulis ulang menjadi: G(u,v)=H(u,v)F(u,v) + N(u,v) (3) dimana G(u,v), H(u,v), F(u,v) dan N(u,v) masing-masing adalah trnsformasi Fourier dari g(x,y), H(x,y), f(x,y), dan η(x,y) [3]. 2.1 Model Noise Berdasarkan gambar 1, deskriptor noise spasial yang diperlukan di sini adalah perilaku statistik nilai intensitas komponen noise. Yang perlu diperhatikan adalah variabel acak (random) yang dikarakteristikkan oleh probabiliy density function (PDF). Terdapat beberapa model noise yang dikenal dalam sistem restorasi citra, diantaranya Gaussian noise, Impulse (salt and pepper) noise, Rayleigh noise, erlang (gamma) noise, exponential noise dan uniform noise. Dalam penelitian ini model noise yang akan digunakan adalah Impulse (salt and pepper) noise. PDF dari Impulse (salt and pepper) noise diberikan pada persamaan (4) berikut ini. Impulse (salt and pepper) noise menghasilkan citra dengan tiga kemungkinan nilai, yang bekerja dalam 8 bit, 0 dengan probabilitas p a, 255 dengan probabilitas p b dan k dengan probabilitas 1 (p a + p b ), dimana k suatu nilai antara p a dan p b. Nama salt and pepper muncul dari nilai 0 adalah hitam, 255 adalah putih dan untuk nilai k akan muncul seperti butiran salt and pepper secara acak yang terdistribusi pada citra. Probabbilitas p adalah piksel yang rusak oleh Impulse (salt and pepper) noise dengan p = p a + p b. Biasanya p ini diistilahkan dengan noise density. Sebagai contoh, p a = 0,02 dan p b = 0,01 maka dikatakan 2% dari piksel pada citra rusak oleh peppr) noise, 1% rusak oleh salt noise dan oleh karena itu noise density adalah 0,03 (3%) atau 3% dari piksel pada citra rusak oleh Impulse (salt and pepper) noise [3].

3 2.2 Model Filter Filter yang digunakan pada penelitian ini adalah mean (arithmatic) filter, median filter dan wiener filter. Mean (arithmatic) filter menghitung nilai rata-rata dari citra yang rusak g(x,y) di area yang didefenisilkan oleh S xy. Nilai dari citra yang direstorasi f (x,y) pada sembarang titik adalah sebesar nilai rata-rata aritmatik menggunakan piksel pada area S xy. Persamaan (5) berikut menjelaskan prinsip tersebut. (5) Operasi ini dapat diterapkan menggunakan konvolusi dengan semua koefisien bernilai 1/mn. Mean filter menghaluskan variansi lokal dari sebuah citra sehingga noise dikurangi dengan hasil seperti efek blur. Sedangkan median filter adalah filter tebaik yang dikenal dalam jenis order statistic filter. Median filter menggantikan nilai sebuah piksel dengan nilai median dari level keabuan (gray level) pada piksel-piksel yang berdekatan. Persamaan (6) menjelaskan model dari prinsip tesebut. 6) Nilai awal dari sebuah piksel dimasukkan ke dalam perhitungan median. Median filter cukup populer karena jenis filter ini cukup handal dalam mengurangi noise pada beberapa tipe derau acak [1],[3]. Wiener filter adalah metode restorasi yang berdasarkan pada least square, yang meminimumkan galat restorasi (selisih antara citra hasil restorasi dengan citra asli). Dalam domain frekuensi, model dari wiener filter berbentuk: (7) dimana H(u,v) adalah fungsi degradasi, H(u,v) 2 =H*(u,v)H(u,v), H*(u,v) adalah konjugasi kompleks dari H(u,v), S η (u,v) adalah power spectrum dari noise, dan adalah S f (u,v)adalah power spectrum dari citra asal [3]. 3. Histogram Citra Asal Pada simulasi yang akan dijalankan untuk membandingkan ketiga algoritma filter di atas, citra yang akan digunakan dipilih dari tiga karakteristik yang berbeda untuk melihat pengaruhnya pada keefektifan algoritma. Citra pertama adalah citra yang sebaran warnanya dominan terang (putih) yaitu citra salju.jpg, citra kedua yang sebaran warna terang dan gelap (hitam) seimbang yaitu citra nenas.jpg dan citra ketiga adalah citra yang sebaran warna gelapnya dominan yaitu citra tugu.jpg. Ketiga citra tersebut ditampilkan pada gambar 2 berikut ini. (a) (b) (c) Gambar 2. (a) Citra salju.jpg, (b) citra nenas.jpg dan (c) citra tugu.jpg

4 Histogram akan membantu untuk menjelaskan karakteristik dari ketiga citra di atas. Histogram setiap citra di atas ditampilkan dalam tiga kanal yaitu kanal merah (red), kanal hijau (green) dan kanal biru (blue) karena fungsi histogram tidak dapat diterapkan pada citra RGB. Gambar 3 berikut ini menunjukkan histogram untuk tiap kanal dari ketiga citra. (a) (b) (c) Gambar 3. (a) Kanal merah, (b) kanal hijau dan (c) kanal biru Dari histogram citra terlihat bahwa ketiga memiliki karakteristik sebaran warna yang berbeda. Citra yang sebaran warna putih (terang) dominan maka histogramnya akan mengumpul ke sisi kanan, yang merata akan normal dan yang hitam (gelap) akan mengumpul ke sisi kiri grafik. 4. Penapisan Citra Terdegradasi Pada ketiga citra sebelumnya diberikan noise yang sama yaitu Impulse (salt and pepper) noise dengan kepadatan derau (noise density) 10%. Hasilnya pada gambar 4.

5 Gambar 4 Ketiga citra terdegradasi impusle noise 10% Pada ketiga citra terdegradasi tersebut diberikan penapisan (filtering) yang sama yaitu mean filter, median filter dan wiener filter. Simulasi penapisan dilakukan pada kakas Matlab R2015a. Untuk mean filter penapisan dilakukan dengan sintak: H = fspecial('average', [3 3]); I = imfilter(gn, H); dengan gn adalah citra terdegradasi impulse noise 10%. Sintak tersebut dapat menangani gambar berwarna. Untuk median filter, penapisan tidak dapat diterapkan pada gambar berwarna sehingga masing-masing citra harus diuraikan ke komponen RGB-nya. Setelah penapisan dilakukan pada tiap kanal maka tiap kanal kembali digabungkan untuk mendapatkan citra berwarna hasil penapisan. Penapisan dilakukan pada setiap kanal RGB dengan sintaks: redmf = medfilt2(redchannel, [3 3]); Wiener filter juga tidak dapat diterapkan pada citra berwarna sehingga penapisan dilakukan pada tiap-tiap kanal RGB citra terdegradasi. Penapisan ini diterapkan dengan siktaks: redmf = wiener2(redchannel, [3 3]); dengan redchannel adalah kanal merah citra terdegradasi dan redmf adalah hasil filter pada kanal merah [4]. Hasil penapisan dapat dilihat pada gambar 5 berikut. Dari pengamatan visual terlihat bahwa hasil penapisan dengan median filter memiliki hasil paling baik disusul mean filter kemudian wiener filter. (a) (b) Gambar 5. Hasil restorasi citra untuk ketiga filter pada citra nenas.jpg dengan noise density 10%, asli, (b) mean filter, (c) median filter, dan (d) wiener filter (a) Citra

6 (c) (d) 5. Perbandingan Hasil Penapisan Perbandingan hasil penapisan menggunakan pengamatan visual sering sulit dilakukan terutama bila citra yang akan diamati hampir sama atau kecil ukurannya. Oleh karena itu, pada penelitian ini perbandingan hasil penapisan dilakukan menggunakan The Peak Signal to Noise Ratio (PSNR). PSNR akan memberikan perbandingan terhadap hasil relatif penapisan (relative filtering performance) dari ketiga algoritma penapisan dengan menggunakan nilai piksel pada setiap citra yang bersangkutan. Umumnya, semakin tinggi nilai PSNR menunjukkan kinerja penapisan yang makin baik [5]. PSNR didefenisikan dengan: max(g(m,n) adalah nilai piksel maksimum dan min(g(m,n)) nilai piksel minimum dari citra sedangkan σ 2 u adalah variansi dari noise [2]. Hasil PSNR dari penapisan ketiga algoritma terhadap ketiga citra dengan impulse noise 10% dapat dilihat pada tabel 1 berikut ini. Tabel 1. PSNR untuk noise density 10% Jenis filter Citra Citra Citra salju.jpg nenas.jpg tugu.jpg Mean 21, , ,3887 Median 37, , ,4285 Wiener 17, , ,5146 Dari tabel 1 dapat dilihat bahwa PSNR terbaik dengan noise density 10% terdapat pada algoritma median filter. Secara umum, nilai PSNR memang akan lebih tinggi pada noise density yang kecil dan menurun bila noise density membesar. Hal ini akan dilihat pada perbandingan di bawah ini. Berikutnya dilakukan perbandingan dengan penapisan terhadap ketiga citra menggunakan impulse noise dengan noise density bervariasi dari 1% sampai 90% (90 kali penapisan). Rata-rata PSNR dari 90 kali penapisan dapat dilihat pada tabel 2. Waktu pemrosesan penapisan juga dihitung menggunakan elapsed time. Perlu dicatat bahwa elapsed time akan bervariasi tergantung pada kecepatan kinerja dari tiap komputer yang digunakan. Dalam penelitian ini komputer yang digunakan adalah laptop dengan processor Intel Core i3-3110m 32 bit system, clock RAM 4GB. Dari tabel 2 dapat dilihat bahwa rata-rata PSNR tertinggi untuk ketiga citra terdapat pada algoritma median filter dengan rata-rata sebesar 20,3817, disusul oleh algoritma mean filter sebesar 14,8432 dan terendah algoritma wiener filter sebesar 13,9448. Sedangkan rata-rata waktu restorasi untuk 90 kali penapisan, waktu tersingkat diperoleh pada

7 algoritma median filter dengan rata-rata sebesar 6,017 detik, algoritma mean filter sebesar 9,688 detik dan algoritma wiener filter sebesar 11,163 detik. Tabel 2. PSNR untuk noise density 1% - 90% dalam 90 penapisan Jenis filter Citra Citra Citra salju.jpg nenas.jpg tugu.jpg PSNR 14, ,111 13,4554 Mean Waktu (detik) 6,113 6,027 5,91 PSNR 20, , ,8894 Median Waktu (detik) 9,597 9,921 9,545 PSNR 13, , ,4562 Wiener Waktu (detik) 11,187 11,203 11,1 Untuk masing-masing algoritma, nilai PSNR terbaik diperoleh algoritma mean filter dan wiener filter pada citra yang distribusi warnanya normal (nenas.jpg). Sedangkan untuk algoritma median filter, nilai PSNR terbaik pada citra yang distribusi warnanya dominan gelap (tugu.jpg) atau terang (salju.jpg). (a) (b) (c) Gambar 6. Nilai PSNR ketiga filter untuk citra nenas (a) mean filter, (b) median filter dan (c) wiener filter

8 Grafik PSNR dari ketiga algoritma penapisan untuk citra nenas.jpg berikut ini akan membantu dalam menganalisa lebih lanjut karakteristik PSNR setiap algoritma. Dari grafik PSNR dapat diamati nilai PSNR terbaik terdapat pada algoritma median filter dimana untuk niose density terkecil nilai PSNR sekitar 46, disusul oleh mean filter sekitar 27 dan wiener filter sekitar 25,5. Ketiga algoritma menurun kinerja restorasinya dengan meningkatnya kepadatan derau (noise density). Khusus untuk wiener filter, nilai PSNR menurun cukup tajam dari kepadan derau 1% sampai 10%. 6. Penutup Dari hasil perbandingan menggunakan PSNR terhadap kinerja penapisan (filtering) untuk citra yang terdegradasi oleh impulse (salt and pepper) noise, dapat disimpulkan bahwa kinerja algoritma median filter adalah yang paling baik dibandingkan dua algoritma lainya terutama pada citra yang distribusi warnanya lebih dominan terang atau gelap. Demikian juga pada citra dengan distribusi warna normal, algoritma median filter masih lebih baik walaupun terjadi sedikit penurunan hasil. Waktu restorasi tercepat didapat ketika menggunakan mean filter. Kinerja penapisan pada ketiga algoritma menurun dengan meningkatnya kepadatan derau (noise density). Pada penelitian berikutnya dapat dilakukan perbandingan terhadap noise jenis lain sehingga didapatkan jenis penapis (filter) yang paling tepat dan cepat untuk jenis noise tertentu sehingga dapat diaplikasikan pada kebutuhan praktis tertentu. References [1] Solomon, C., & Breckon, T., Fundamentals of Digital Image Processing, Wiley-Blackwell A Jhon Wiley&Sons, Ltd, Oxford, 2011 [2] Reeves, S. J., Image, Video Processing and Analysis, Hardware, Audio, Acoustic and Speech Processing Volume 4, University of Maryland, 2014 [3] Gonzalez, R. C., Woods, R. E., & Eddins, S. L., Digital Image Processing, 2nd Edition, Gatesmark Publishing, 2009 [4] The Mathworks Inc. (n.d.). Image Processing Toolbox User's Guide [5] Gupta, G., Algorithm for Image Processing Using Improved Median Filter and Comparison of Mean, Median and Improved Median Filte,. International Journal of Soft Computing and Engineering (IJSCE), 2011

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang

Lebih terperinci

BAB II TI JAUA PUSTAKA

BAB II TI JAUA PUSTAKA BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan

Lebih terperinci

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada saat ini penggunaan sebuah citra sangat meningkat untuk digunakan pada berbagai kebutuhan. Hal ini dikarenakan banyak sekali kelebihan yang ada pada citra digital

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu

Lebih terperinci

Image Restoration. Aditya Wikan Mahastama

Image Restoration. Aditya Wikan Mahastama Image Restoration Aditya Wikan Mahastama Image Restoration Image restoration: usaha-usaha untuk memulihkan citra yang mengalami degradasi. Contoh degradasi diantaranya: blur (gambar( tidak jelas) karena

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

3.2.1 Flowchart Secara Umum

3.2.1 Flowchart Secara Umum BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau

Lebih terperinci

IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL

IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi

Lebih terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

RESTORASI CITRA. Budi s

RESTORASI CITRA. Budi s RESTORASI CITRA Budi s Sumber Noise Setiap gangguan pada citra dinamakan dengan noise Noise bisa terjadi : Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Didukung dengan perkembangan zaman

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data

Lebih terperinci

SAMPLING DAN KUANTISASI

SAMPLING DAN KUANTISASI SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan

Lebih terperinci

Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital

Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan

Lebih terperinci

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,

Lebih terperinci

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya 5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai

Lebih terperinci

DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL

DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra Citra atau gambar adalah sebuah fungsi dua dimensi, f(x,y), dimana x dan y koordinat bidang datar dan f di setiap pasangan koordinat disebut intensitas atau level keabuan

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Pemfilteran Citra; Sharpening, Blurring dan Noise Reduction 5 UNIV KRISTEN DUTA WACANA GENAP 1213 Pemfilteran Citra (Image Filtering) Pada

Lebih terperinci

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Arif Senja Fitrani 1, Hindarto 2, Endang Setyati 3 1,2, Jurusan Teknik Informatika Universitas Muhammadiyah Sidoarjo,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Citra hasil rekaman kamera digital sering sekali terdapat beberapa gangguan yang mungkin terjadi, seperti lensa tidak fokus, muncul bintik-bintik yang disebabkan oleh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengolahan Citra 2.1.1 Definisi Pengolahan Citra Pengolahan citra adalah sebuah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar (peningkatan

Lebih terperinci

Operasi Bertetangga (1)

Operasi Bertetangga (1) Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga

Lebih terperinci

BAB IV ANALISA. 4.1 Analisa teknik pengolahan citra

BAB IV ANALISA. 4.1 Analisa teknik pengolahan citra BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,

Lebih terperinci

METODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS CITRA MEDIS YANG BLUR

METODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS CITRA MEDIS YANG BLUR METODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS CITRA MEDIS YANG BLUR Dwi Cahyo Wibisono 1 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Imam Bonjol No. 207, Semarang,

Lebih terperinci

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,

Lebih terperinci

ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL

ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 5 BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki

Lebih terperinci

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer. Citra

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION KARYA ILMIAH Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Muhammadiyah

Lebih terperinci

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I

Lebih terperinci

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Citra Digital Citra digital dapat diartikan sebagai suatu fungsi dua dimensi f(x.y), dengan x maupun y adalah posisi koordinat sedangkan f merupakan amplitude pada posisi (x,y)

Lebih terperinci

BAB 2 LANDASAN TEORI Closed Circuit Television (CCTV)

BAB 2 LANDASAN TEORI Closed Circuit Television (CCTV) 6 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode Median Filter dalam peningkatan kualitas video. 2.1. Closed Circuit Television

Lebih terperinci

PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM

PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,

Lebih terperinci

APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB

APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial

Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,

Lebih terperinci

Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding

Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Gideon Aprilius (0522116) Email: dionjuntak@gmail.com Jurusan Teknik Elektro, Fakultas Teknik

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA

Lebih terperinci

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

BAB I PENDAHULUAN I.1 Latar Belakang

BAB I PENDAHULUAN I.1 Latar Belakang BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak

Lebih terperinci

IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM

IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM Staff Pengajar Jurusan Teknik Elektro Fakultas Sains dan Teknik Universitas Nusa Cendana, Kupang Abstrak The aim

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI

Lebih terperinci

BAB 2 TINJAUAN TEORETIS

BAB 2 TINJAUAN TEORETIS BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi

Lebih terperinci

PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL

PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,

Lebih terperinci

BAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses

BAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses pengolahan citra digital. Hal ini dilakukan karena citra yang akan diolah kemungkinan memiliki

Lebih terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338

Lebih terperinci

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id

Lebih terperinci

BAB 4 HASIL DAN ANALISA

BAB 4 HASIL DAN ANALISA BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan teori-teori yang akan digunakan pada saat penelitian. Teori yang dibahas meliputi teori-teori tentang bagaimana menggabungkan beberapa citra dan pengertian

Lebih terperinci

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,

Lebih terperinci

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Cogito Smart Journal/VOL. 2/NO. 2/DESEMBER 2016 157 Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Ivan Maulana 1, Pulung Nurtantio Andono 2 1,2 Program

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Pengenalan Citra

BAB 2 LANDASAN TEORI. 2.1 Pengenalan Citra BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra merupakan representasi (gambaran) dari sebuah objek nyata yang dihasilkan oleh alat digital. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai

Lebih terperinci

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa

Lebih terperinci

Penggunaan Filter Frekuensi Rendah untuk Penghalusan Citra (Image Smoothing)

Penggunaan Filter Frekuensi Rendah untuk Penghalusan Citra (Image Smoothing) Penggunaan Filter Frekuensi Rendah untuk Penghalusan Citra (Image Smoothing) Catur Edi Widodo dan Kusworo Adi Laboratorium Instrumentasi dan Elektronika Jurusan Fisika UNDIP Abstrak Pengolahan citra (image

Lebih terperinci

IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE

IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE ISSN : 1978-6603 IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE *Tugiono #1, Hafizah #2, Asyahri Hadi Nasyuha #3

Lebih terperinci

By Emy 1 MEREDUKSI NOISE By Emy By Emy

By Emy 1 MEREDUKSI NOISE By Emy By Emy 1 MEREDUKSI NOISE 2 1 Kompetensi Mampu menjelaskan macammacam jenis noise Mampu menganalisis jenis noise yang menyebabkan gangguan pada citra Mampu membangkitkan macammacam noise kemudian mengimplementasikannya

Lebih terperinci

Pengolahan citra. Materi 3

Pengolahan citra. Materi 3 Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian menjelaskan bagaimana langkah-langkah atau tahapantahapan yang akan dilakukan dalam penelitian untuk dapat menjawab rumusan masalah penelitian. Tahapan

Lebih terperinci

... BAB 2 LANDASAN TEORI. 2.1 Citra

... BAB 2 LANDASAN TEORI. 2.1 Citra 6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,

Lebih terperinci

PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK

PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Okada Arle Sandi, T. Sutojo, S.Si, M.Kom Teknik Informatika S1 Fakultas Ilmu Komputer Universitas

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara

BAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang

Lebih terperinci

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER. PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,

Lebih terperinci

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA

Lebih terperinci

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran

Lebih terperinci

PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN

PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

Image Enhancement by webmaster - Thursday, December 31, 2015 http://suyatno.dosen.akademitelkom.ac.id/index.php/2015/12/31/image-enhancement/ Definisi Perbaikan citra merupakan proses yang dilakukan untuk

Lebih terperinci

METODE PERANCANGAN PENGARANGKAT LUNAK MEREDUKSI NOISE CITRA DIGITAL MENGGUNAKAN CONTRAHARMONIC MEAN FILTTER

METODE PERANCANGAN PENGARANGKAT LUNAK MEREDUKSI NOISE CITRA DIGITAL MENGGUNAKAN CONTRAHARMONIC MEAN FILTTER METODE PERANCANGAN PENGARANGKAT LUNAK MEREDUKSI NOISE CITRA DIGITAL MENGGUNAKAN CONTRAHARMONIC MEAN FILTTER Masnun Dasopang Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang

Lebih terperinci

ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR

ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra

Lebih terperinci

BAB I PENDAHULUAN. PSD Bab I Pendahuluan 1

BAB I PENDAHULUAN. PSD Bab I Pendahuluan 1 BAB I PENDAHULUAN Pengolahan Sinyal Digital (Digital Signal Processing, disingkat DSP) adalah suatu bagian dari sain dan teknologi yang berkembang pesat selama 40 tahun terakhir. Perkembangan ini terutama

Lebih terperinci